驾驶行为是痴呆症的早期信号

利用自然主义驾驶数据和机器学习技术，哥伦比亚大学梅尔曼公共卫生学院和哥伦比亚大学傅基金会工程与应用科学学院的研究人员开发了高度精确的算法，用于检测老年司机的轻度认知障碍和痴呆症。自然驾驶数据是指通过车载记录设备或其他技术在现实环境中捕获的数据。这些数据可以经过处理，以非常详细地衡量驾驶暴露、空间和性能。研究结果发表在该杂志上老年病学．

研究人员开发了随机森林模型，这是一种广泛用于人工智能分类疾病状态的统计技术，表现异常出色。“根据从自然驾驶数据和基本人口特征(如年龄、性别、种族/民族和教育水平)中得出的变量，我们可以预测轻度认知障碍和痴呆症的准确率为88%，”土木工程和工程学院副教授莎伦·迪说工程力学他是该研究的主要作者。

研究人员利用车内记录设备从2977名老年司机纵向研究(LongROAD)项目参与者中捕获的自然驾驶数据构建了29个变量，该项目是由AAA交通安全基金会赞助的多地点队列研究。在入组时，参与者是65-79岁的活跃司机，没有明显的认知障碍和退行性疾病。本研究使用的数据跨度为2015年8月至2019年3月。

到2019年4月，在2977名车辆装有车载记录设备的参与者中，33人新诊断出患有轻度认知障碍，31%患有痴呆症。研究人员训练了一系列用于检测轻度认知障碍/痴呆症的机器学习模型，发现基于驱动变量和人口统计特征的模型的准确率为88%，比仅基于人口统计特征的模型(29%)和仅基于驱动变量的模型(66%)要好得多。进一步的分析显示，年龄是轻度认知障碍和痴呆症的最主要预测因素，其次是离家15英里以内的行程百分比、种族/民族、每次行程链的分钟数(即从家里开始和结束的行程长度)、每次行程的分钟数以及减速率为0.35 g的严重制动事件的数量。

“驾驶是一项复杂的任务，涉及动态认知过程，需要基本的认知功能和感知运动技能。我们的研究表明，自然驾驶行为可以作为轻度认知障碍和痴呆症的全面和可靠的标记，”医学博士、DrPH、哥伦比亚梅尔曼公共卫生学院和瓦格洛斯内科和外科医生学院的流行病学和麻醉学教授、资深作者李国华博士说。“如果得到验证，本研究中开发的算法可以为早期发现和管理轻度认知障碍和疾病提供一种新颖的、不引人注目的筛查工具痴呆在老司机身上。”

---

---